基于多特征子空间与核学习的行人再识别

摘要：

行人再识别指的是在无重叠视域多摄像机监控系统中，匹配不同摄像机视域中的行人目标.针对当前基于距离测度学习的行人再识别算法中存在着特征提取复杂、训练过程复杂和识别效果差的问题，我们提出一种基于多特征子空间与核学习的行人再识别算法.该算法首先在不同特征子空间中基于核学习的方法得到不同特征子空间中的测度矩阵以及相应的相似度函数，然后通过比较不同特征子空间中的相似度之和来对行人进行识别.实验结果表明，本文提出的算法具有较高的识别率，其中在VIPeR数据集上， RANK1达到了40.7%，且对光照变化、行人姿态变化、视角变化和遮挡都具有很好的鲁棒性.

关键词：行人再识别、特征空间、测度学习、核学习

分类号：TP3;TP1

资助基金：国家自然科学基金61371155;安徽省科技攻关项目1301b042023资助@@@@Supported by National Natural Science Foundation of China61371155;Science and Technology Brainstorm Project of An-hui Province1301b042023

在线出版日期：2016-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：299-308